沥青路面裂缝密封胶的低温应力松弛评价指标

选择四种加热型密封胶和两种有机硅密封胶,参照交通行业标准进行低温拉伸试验,达到50%应变量后进行应力松弛试验,采用三参数固体模型拟合应力松弛试验数据.结果表明,三参数固体模型可以理想地拟合密封胶的黏弹性力学行为,模型的两个黏弹性特征参数——最大松弛比例和松弛时间,可以评价不同密封胶的应力松弛能力,但拟合过程较为复杂。定义了松弛指数,该指标与采用黏弹性特征参数的评价结果一致,可作为密封胶行业标准低温性能评价的一个补充指标.     

基于区间参数摄动法的黏弹性区间有限元研究

对线性静力区间有限元应力区间计算方法进行了评述,认为将含有区间参数的高斯点应力在区间参数均值处进行Taylor展开,计算得到的应力区间扩张不明显.将区间分析方法应用于黏弹性问题分析,推导了黏弹性问题的区间参数摄动法计算公式,研制了相应的黏弹性区间有限元计算程序.通过算例分析认为:采用区间参数摄动法进行黏弹性问题分析是可行的;随着位移均值的增加,位移离差也逐渐增大;位移区间最终随着位移均值的稳定而逐渐趋于稳定.     

基于黏弹性模型的牙周膜生物力学研究

同时使用人体牙周膜的1组单轴拉伸和1组简单剪切的试验数据,对现有的几种超弹性应变能函数进行了参数拟合,结果表明Ogden模型比其他模型能更好地拟合实验数据.基于生物力学的原理,对实验获得的归一化应力松弛函数进行了分析推导,并转化为基于Ogden应变能函数的黏弹性模型;利用获得的牙周膜本构模型,对上颌的第一前磨牙的牙周膜使用线性黏弹性模型,对正畸初始阶段的受力情况进行了仿真模拟,研究分析了黏弹性对正畸过程中牙周膜力学响应仿真结果的影响.研究结果表明:Ogden模型可以较好地拟合人体牙周膜试验的2组数据;使用不可压缩的Ogden模型与使用线弹性模型获得的牙周膜力学响应有较大差别,牙周膜组织上各处的黏性响应与其位置有关.     

随机参数影响下橡胶密封垫的应力松弛特性

采用Mooney-Rivlin超弹性和Prony级数形式黏弹性模型,将有限元结果与试验数据对比,对模型参数进行验证.运用Ansys-PDS随机分析模块计算各随机参数对表面接触应力的灵敏度,以及超弹性和黏弹性参数变化对表面接触应力松弛特性的影响.结果表明:参数取值合理;对表面接触应力影响较大的随机参数为α_2和C_(10),α_1、τ_1和C_(01)的影响次之,而τ_2的影响可以忽略不计;松弛主要发生在加载第1天,1年内基本保持稳定;超弹性参数取值越大,应力衰减越小,黏弹性参数则相反.     

基于黏弹性理论的沥青罩面层力学响应研究

 根据黏弹性理论构建沥青罩面层三维黏弹性有限元模型,运用大型有限元软件ABAQUS进行动态荷载试验,研究了沥青罩面层的力学响应。结果表明,沥青罩面层由于其本身的黏弹性,在动态载荷作用下会产生与弹性材料不同且更为复杂的应力响应,应力状态随加载和卸载而不断变化,加载时其表面为压应力,底层为拉应力,卸载时则相反,其表面为拉应力,底层为压应力;循环载荷下沥青罩面层受压应力和拉应力的交替重复作用,其表面和层底会产生残余应力,随温度的升高,其松弛模量增强,黏弹性减弱,残余应力逐渐减小。相对于把沥青罩面层作为弹性材料的方法,基于黏弹性的分析方法能够更准确地描述沥青罩面层的力学行为特征。     

胶凝原油初始应力递增过程的力学模型

考虑胶凝原油具有蠕变与松弛特性,将Maxwell线性黏弹性体与幂律流体元件进行并联,得到机械比拟模型。在幂律流体元件应力项中引入与应变相关的损伤因子,Maxwell黏弹性体剪切应力项中引入完整性因子,得到胶凝原油初始应力递增阶段的描述公式。分别对大庆原油、南阳原油进行恒剪切速率试验测试,利用模型公式拟合初始应力递增阶段的试验数据,计算胶凝原油应力松弛过程。结果表明:拟合效果良好,模型参数不随剪切测试条件改变,能够反映胶凝原油的物性特征。该模型可以表述胶凝原油的松弛特性;应变幅值越大,结构损伤越明显,对应的剪切模量数值越小,符合胶凝原油的真实流变特性。     

基于深度学习技术的金属构件残余应力场反演

金属构件中残余应力会对材料结构的力学性质及稳定性产生重要的影响,因此准确高效地确定构件残余应力分布至关重要。传统用于确定残余应力的方法主要有实验法,有限元仿真和反演方法,然而这些方法成本高昂,计算效率低无法满足实际工程的需要。为了解决上述问题,本文发展了一种基于深度学习技术的高效残余应力反演方法。该方法使用人工神经网络技术代替了有限元模型修正的过程,仅通过试件表面有限测点即可获得整个表面的残余应力分布。与传统有限元模型修正法相比,该方法显著地提高了反演效率,并通过一个方形开孔弹塑性仿真模拟对其效率和准确性进行了验证。     

砌体结构分离式有限元模型的参数反演

为了对砌体结构分离式有限元模型进行研究,在有限元软件ANSYS中,建立了考虑砂浆与砖块之间黏结作用和剪切滑移作用的三维有限元模型.由于砖与砂浆之间的黏结滑移关系目前研究尚不成熟,提出了一种黏结滑移关系曲线.以双剪面单砖砌体试验数据为目标函数,提出一种改进遗传算法,通过ANSYS软件的APDL语言编制反演分析程序,在ANSYS中实现黏结滑移关系曲线的参数反演.研究结果表明,该有限元模型及反演得到的计算参数,可用于砌体结构的有限元分析.     

基于试验与模拟的修正GTN模型参数反求分析

设计6种不同应力三轴度的试样,进行拉伸试验并得到不同工况下的载荷-位移曲线.运用Voce+Voce流动应力模型外推拉伸试验数据得到材料的力学性能曲线.运用有限元软件ABAQUS/Explicit模块及用户子程序VUMAT将Nahshon提出的含剪切修正项的GTN(Gurson-Tvergaard-Needlemen)模型应用到有限元模拟中,研究各组试样的损伤演化和断裂过程.为使GTN模型更准确地应用到不同应力状态下,假定损伤参数εn为关于应力三轴度η的指数函数.运用反求法分析不同缺口半径的拉伸试验,确定GTN模型中面向高应力三轴度情况的损伤参数,同时结合数值模拟与剪切试验的对比确定剪切系数Kw.结果表明,确定的修正GTN模型参数可以应用到较宽的应力三轴度范围包括纯剪状态.     

粒子群算法在时效变形参数反演中的应用

以往的现场刚性承压板压缩蠕变试验中部假设岩体变形为黏弹性变形,然后推求岩体的蠕变变形公式,并结合最小二乘法反演获得蠕变参数,这种方法由于进行了黏弹性变形的假设从而无法考虑岩体的黏塑性变形,为此,采用粒子群智能算法的数值反演方法进行研究,并且提出将流变模型中控制瞬时变形和时效变形的2种参数分开反演的二次粒子群算法.研究结果表明:采用这种方法可以有效地减小反演的难度,提高了反演精度;将此方法应用于现场压缩蠕变试验的参数反演,拟合时效变形参数曲线与试验曲线较吻合,从而可获得相应的流变参数.     

随钻电磁波传播测井传感器参数优化设计

 随钻电磁波传播测井是随钻测井系列中最重要的一种测井方法,它通过记录电磁波信号的幅度比和相位差来反映地层介质信息。不同的频率、源距的测井仪器参数会产生不同的测井响应特性,选择适当的传感器参数能够提高其探测效率。应用有限元法对非均质地层进行正演模拟,得到随钻电磁波传播测井方法的纵向分辨率与径向探测深度。采用神经网络的方法辅助传感器参数优化设计,计算不同地层电阻率、频率、源距的纵向与径向函数。通过计算值分析得到优化后的传感器参数,并计算新传感器参数的视电阻率正演响应。计算结果虽然与正演计算数值有一定误差,但误差很小,并且在可以接受的范围内。随着正演模拟样本的增加,神经网络的方法能够有效辅助参数优化设计,降低计算次数。设计的新型传感器够有效反映地层电阻率。     

无相位远场数据反演散射障碍的神经网络方法

针对无相位信息反演障碍物位置及形状的问题, 提出一种两层门控循环单元(GRU)神经网络对门控循环单元神经网络的方法(MGNN), 并给出该方法的收敛性分析. 首先, 以无相位远场数据与障碍物边界曲线方程参数作为输入和输出, 通过GRU神经网络控制门思想与长期记忆功能, 有选择性地更新网络状态, 保存数据特征; 其次, 应用梯度下降算法更新模型权重和偏置, 解决了无相位信息的远场数据反演障碍物位置及形状的难题; 最后, 利用数值实验说明该方法的有效性.     

无相位远场数据反演散射障碍的神经网络方法

针对无相位信息反演障碍物位置及形状的问题, 提出一种两层门控循环单元(GRU)神经网络对门控循环单元神经网络的方法(MGNN), 并给出该方法的收敛性分析. 首先, 以无相位远场数据与障碍物边界曲线方程参数作为输入和输出, 通过GRU神经网络控制门思想与长期记忆功能, 有选择性地更新网络状态, 保存数据特征; 其次, 应用梯度下降算法更新模型权重和偏置, 解决了无相位信息的远场数据反演障碍物位置及形状的难题; 最后, 利用数值实验说明该方法的有效性.     

剪切波在线性粘弹性流体中的传播

对John D Ferry剪切波传播模型进行修正,建立剪切波在线性粘弹性流体中的传播模型,并根据剪切作用下流体的运动方程、流体的本构方程及一阶麦克斯韦模型,推导剪切波在线性粘弹性流体中的传播方程．运用衰减波定式,求解剪切波在线性粘弹性流体中传播的表达式,探讨流体粘度等流变性参数对剪切波传播特性的影响,为进一步研究机械振动对线性粘弹性流体流变性的影响打下基础．     

电动汽车用动力电池组SOC的神经网络估计

针对电动汽车用动力电池组的SOC受充放电率、放电历程和温度等因素的影响，传统方法很难建立准确的数学模型，对电池组SOC进行研究，在对动力电池组进行不同工况充放电试验的基础上。建立了电池组的神经网络仿真模型。并分别采用电流输入，电压和电压梯度输入进行了仿真，实现了对电池组SOC的估计。与实验结果对比，仿真结果与实验基本吻合，验证了该方法的正确性。     

BP人工神经网络在齿轮钢淬透性预测中的研究

针对齿轮钢在轧钢过程中淬透性控制存在不确定性的问题,将人工神经网络应用到其不确定性上,通过改进BP人工神经网络学习算法训练神经网络,构建最优化的齿轮钢淬透性控制神经网络模型。通过仿真实验证明,该算法有效解决了齿轮钢淬透性预测控制的问题。     

基于PSO-RBF神经网络的串联机械臂逆运动学分析

针对目前基于神经网络对串联机械臂求逆解方法中出现的精度不足和实时性较差的问题,使用粒子群优化(particle swarm optimization,PSO)算法对径向基函数(radial basis function,RBF)神经网络进行结构优化,提出一种基于PSO-RBF神经网络的机械臂逆运动学算法。首先由正运动学模型获取神经网络训练和测试参数样本,经过欧拉角变换在神经网络输入端建立机械臂关节位姿映射关系,然后通过PSO算法对径向基核函数进行参数寻优并对测试样本求解分析,最后获取经逆运动学求解后机械臂的运动轨迹,验证了该算法的可靠性。仿真结果显示,由PSO-RBF神经网络逆运动学算法能够快速得出满足精度要求的关节角度,为进一步机械臂工业控制提供了理论支持。     

BP神经网络在热轧中厚板力学性能预测中的应用

基于神经网络原理,采用BP算法训练网络,建立热轧控制参数(轧制温度、化学成分、变形量等)对描述产品力学性能的参数的映射关系。离线仿真表明,将神经网络模型应用于热轧控制预报,具有现实意义。     

锚杆锚固质量的定量分析方法

提出一种用于评价锚杆锚固质量的定量分析方法。基于小波分析和人工神经网络建立了用于识别锚杆杆侧刚度系数的神经网络模型,利用样本对所建立的神经网络进行训练,为锚杆系统的锚固质量评价提供了一个有效的智能化的手段;通过对不同围岩下完整锚杆的数值模拟结果进行动力参数识别,得到了完整锚杆杆侧刚度系数与围岩弹性模量的关系曲线及相应的二次拟合公式,以此可作为锚杆锚固质量的衡量基准;提出了用于描述锚杆锚固状态的锚杆锚固度概念,建立了锚杆锚固质量定量分析方法并进行了工程应用。     

神经网络自变量输入模式的视电阻率求解算法

根据瞬变电磁场理论公式中的响应和自变量之间的关系特点,提出用非线性方程模式的 BP 神经网络求解电阻率。通过构造单输入单输出网络结构,建立以不同时间点上的电流归一化的感应电压值为输入、视电阻率值为输出的神经网络,来拟合瞬变电磁场的二次涡流曲线。利用数值方法计算出的数据验证该训练网络的精确性,比较了不同算法对训练精度和收敛速度产生的影响。以重庆大学某处的防空洞探测实验为例验证了该算法的有效性,该算法避开具体的复杂电磁场计算或数值反问题计算,从而实现电阻率快速计算,为快速成像准备必要条件。